我正在尝试使用一个简单的 keras model 进行添加操作,然后转换为 TFLite,然后转换为 EdgeTPU。 需要对 int8 进行量化,但取决于提供的转换参数,它会导致 FlexAddV2 操作不受支持,或数据类型 int32 不受支持,或 AddV2 错误代码:ERROR_NEEDS ...
我正在尝试使用一个简单的 keras model 进行添加操作,然后转换为 TFLite,然后转换为 EdgeTPU。 需要对 int8 进行量化,但取决于提供的转换参数,它会导致 FlexAddV2 操作不受支持,或数据类型 int32 不受支持,或 AddV2 错误代码:ERROR_NEEDS ...
追溯(最近调用最后):文件“/usr/local/lib/python3.9/dist-packages/edgetpu/swig/edgetpu_cpp_wrapper.py”,第 18 行,in swig_import_helper fp,路径名,描述 = imp.find_module(' ...
我正在尝试在 Coral 开发板上运行量化和 Edge-TPU 编译的 Tensorflow object 检测 model。 我的代码: 通过“mdt shell”运行它时,会抛出以下错误: 开发板运行 Mendel Linux 并安装了 Python 3.7.3 和 pycoral 2.0.0 ...
我正在使用 Tensorflow 2 Model Maker 执行 EfficientDet-Lite 的转移训练(最终在 Coral EdgeTPU 上运行),我更关心分类输出,而不是边界框的精度。 有没有办法修改一些训练参数以牺牲边界框的准确性来提高类的准确性? 或者这没有意义? ...
我正在尝试使用 Google Goral Edge TPU USB 设备评估 Raspberry Pi 的性能,但不使用它对视频文件进行图像分类任务。 我已经设法使用 Edge TPU USB 设备评估了性能。 但是,当我尝试运行 tensorflow lite 代码来运行推理时,它会收到一个错误, ...
我在将 SSD object 检测 model 转换为 EdgeTPU 的 uint8 TFLite 时遇到问题。 据我所知,我一直在不同的论坛、堆栈溢出线程和 github 问题中进行搜索,我认为我正在遵循正确的步骤。 我的 jupyter 笔记本上一定有问题,因为我无法实现我的建议。 我正在与 ...
我是堆栈溢出的新手,我在 Google 珊瑚开发板上的项目需要帮助。 我想知道如何让板子在给定的时间内休眠,然后运行一个操作并唤醒。 我真的坚持这个希望有人可以帮助我。 在此先感谢 tejasawasarmol@gmail.com 麦格理大学 ...
我正在尝试为珊瑚 USB 重新训练自定义 object 检测器 model 并按照这些链接中的珊瑚 ai 教程进行操作; https://coral.ai/docs/edgetpu/retrain-detection/#requirements 重新训练 ssd_mobilenet_v2 mod ...
我对 google corral usb 加速器很感兴趣,因为我查了一个项目,它说它支持 CNN 模型,但这是否包括一维 CNN 模型? ...
我尝试创建完全量化的 tflite 模型,以便能够在珊瑚上运行它。 我从https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/tf2_detection_zoo.md下载了 SSD Mobil ...
我遇到了珊瑚板边缘 tpu 与伺服微型 SG90 交互的问题。 我不认为问题出在代码上,因为我在 reaspberry pi 上尝试过并且有效,也许问题在于珊瑚开发板的电源电压。 我应该购买一个单独的电池组来为伺服供电还是有其他方法? 这是我正在使用的电路 这是代码: 导入时间 进口板 进口脉冲 ...
我训练了一个用于对象检测的自定义 MobileNetV2 SSD 模型。 我保存了 .pb 文件,现在我想将其转换为 .tflite 文件,以便与 Coral edge-tpu 一起使用。 我在 CPU 上的 Windows 10 上使用 Tensorflow 2.2。 我正在使用的代码: ...
我相信可以利用两个 USB Connected 连接的 Google Coral TPU 的强大功能相互结合(或至少并排,各自运行自己的推理)。 但是,是否可以利用两个或多个连接到单独边缘设备但位于通过硬线以太网和交换机连接的同一网络上的 Google Coral TPU? ...
我已经重新训练了一个 RESNET50 模型,用于在 EDGE TPU 上重新识别。 但是,似乎没有办法将一批图像提取到EDGE_TPU。 我想出了一个为图像运行多个相同模型的解决方案。 但是,无论如何可以加快多个模型的模型推理? 现在的线程甚至比单模型推理还要慢 ...